DAMA数据管理专业人士CDMP认证
培训地点 | 网络直播 | 广州 | 上海 | 深圳 |
---|---|---|---|---|
培训时间 | 8月 20-23 | 9月 24-27 | 10月 22-25 | 12月 17-20 |
一、培训背景
本课程为《DAMA-DMBOK数据管理知识体系指南》,全面深入讲解了数据管理知识体系的专业基础理论。课程中每一个知识点都由老师结合企业数据管理最佳实践经验,精心打造而成,力求让学习者全面的掌握数据管理全面知识,是企业数字化转型下培养和提升数据团队能力,打造企业“CDO首席数据官”为核心团队的必修基础课程,是帮助数据管理从业人士,通过学习数据管理基础理论,借鉴行业最佳实践,提升数据管理专业能力。
二、培训收益
通过学习本课程,您将获得如下收益:
● 掌握数据管理知识体系的整体框架及各领域知识内容;
● 对关键数据管理各领域中的重点、难点及实践获得理解;
● 系统化、体系化、结构化的数据管理问题辨析、思考和分析能力,及数据管理解决方案设计、执行能力。
三、培训对象
● 企业CIO、CDO 等信息化相关的高层领导;
● 数据管理或数据服务团队负责人、核心团队成员;
● 企业数据管理专家/专家委员会专员;
● 数据管理团队及专兼职人员;
● 业务部门信息化领导/经理/专员;
● IT部门总监/经理;
● IT项目管理办公室(PMO)总监/经理/数据管理专员/技术经理。
四、培训特色
● 理论与实践相结合、案例分析与理论穿插进行;
● 专家精彩内容解析、学员专题讨论、分组研究;
● 通过全面知识理解、专题技能掌握和安全实践增强的授课方式。
五、关于考试
国际数据管理协会认证CDMP:
数据管理专业人士认证 (CDMP) 证书授予那些具备以下综合条件资格的人员,这些条件包括教育程度、技能经验和基于测试的专业知识考试。证书分为基础级Associate、专家级Practitioner、大师级Master和院士级Fellow。为了维护认证状态并持续使用证书,需缴纳年度认证费用,加3年的继续教育和专业活动要求。
数据管理专业人士认证 CDMP:
只要有 ICCP 批准的代理人核查物理身份,并监考考试过程,ICCP 的考试可以在世界上任何地方举行。
CDMP考试认证分为四个等级,分别是Associate(基础级)、Practitioner(专家级)、Master(大师级)和Fellow(院士级)。四个等级将分别从教育学历、工作经验、专业知识以及对DAMA的贡献等角度进行认证考核,具体如下:
基础级(A) Associate |
专家级(P) Practitioner |
大师级(M) Master |
院士级(F) Fellow |
|
---|---|---|---|---|
职业经验 | 6个月>2年 | 2年-10年 | 至少10年 | 超过25年 |
考试 | DM Fundamentals 基础级 |
3DM Fundamentals + 2 specialist 基础级+ 2门选修 |
3DM Fundamentals + 2 specialist 基础级+ 2门选修 |
• 全球公认的尊重的思想者、引领者 • 对数据管理领域有重大的、持续性的贡献 • 为CDMP和 DMBOK做出巨大贡献,通过提名 • 通过大师级成员的审查和认可 |
允许替换 | NO | 1 | 1 | |
合格标准 | 60% | 70% | 80% | |
认证路径 | 注册 & 考试 | 注册 & 考试 | 注册 & 考试 通过案例经验提交 经验证据 |
通过大师级成员的审查和认可 |
P级考试中替代考试项目:可替代两门选修中的一门,且证书需在有效期内,包含TOGAF、Zachman、Prince2、PMP、MSc Information Management、MBA / Informatics、IRMS CIP、SACA CISA, CRISC, CIS;
M级考试中替代考试项目:可替代两门选修中的一门,且证书需在有效期内,包含MSc Information Management、MBA / Informatics、IRMS CIP、ISACA CISA, CRISC, CIS。
考试信息:
机考
考试题目数量:100道选择题,100分。
考试时间:90+20 Min(英语非第一语言区域可获得20分钟额外时间)。
考试语言:英语。
监考形式:ProctorU远程监考。
专业发展和再认证
要保持 CDMP资格要求3年内必须获得120小时获得认可的在教育时间。 很多教育活动都可以计算在内,包括 DAMA 的研讨会和分会活动。
六、课程大纲
章节 | 模块 | 培训内容 |
---|---|---|
第一章 数据管理 |
掌握数据、数据与信息、数据作为组织资产、数据管理原则、数据管理挑战、数据战略基本概念;掌握数据管理框架基本内容包括:战略模型、阿姆斯特丹模型、DAMA-DMBOK框架、DMBOK金字塔。 | 1.1 简介 1.2 什么是数据 1.3 数据与信息 1.4 数据作为组织资产 1.5 数据管理原则 1.6 数据管理面临的挑战 1.7 数据战略 1.8 数据管理框架 1.9 DAMA与DMBOK 1.10 总结 |
第二章 数据道德 |
了解数据道德、数据隐私背后的原则、数字化环境下的道德、不道德的数据处理和风险实践、建立数据道德文化、数据道德与数据治理。 | 2.1 简介 2.2 业务驱动因素 2.3 什么是数据道德 2.4 数据隐私背后的原则 2.5 数字化环境下的道德 2.6 不道德的数据处理和风险实践 2.7 建立数据道德文化 2.8 数据道德与数据治理 2.9 总结 |
第三章 数据治理 |
掌握数据治理指导原则、数据治理关键驱动因素、数据治理的主要组成内容、数据治理关键指标、数据治理关键输入和输出、数据治理的主要工具、数据治理应用中的策略、数据治理评价理论、数据治理最佳实践 | 3.1 简介 3.2 数据治理基本活动 3.3 数据治理工具和技术 3.4 数据治理实施指南 3.5 数据治理关键指标 3.6 数据治理最佳实践 3.7 总结 |
第四章 数据架构 |
掌握数据架构指导原则、数据架构关键驱动因素、数据架构的主要组成内容、数据架构关键指标、数据架构关键输入和输出、数据架构的主要工具、数据架构应用中的策略、数据架构评价理论、数据架构最佳实践。 | 4.1 简介 4.2 数据架构基本活动 4.3 数据架构工具和技术 4.4 数据架构实施指南 4.5 数据架构关键指标 4.6 数据架构最佳实践 4.7 总结 |
第五章 数据建模与 设计 |
掌握数据模型指导原则、数据模型关键驱动因素、数据模型的主要组成内容、数据模型关键指标、数据模型关键输入和输出、数据建模的主要工具、数据模型应用中的策略、数据建模评价理论、数据建模最佳实践。 | 5.1 简介 5.2 数据模型基本活动 5.3 数据建模工具和技术 5.4 数据建模实施指南 5.5 数据模型关键指标 5.6 数据建模最佳实践 5.7 总结 |
第六章 数据存储与 操作 |
掌握数据数据库设计指导原则、数据存储与操作驱动因素、数据库的主要组成内容、数据库管理关键指标、数据库管理关键输入和输出、数据库管理的主要工具、数据库设计应用中的策略、数据存储与操作评价理论、数据库管理最佳实践。 | 6.1 简介 6.2 数据库管理基本活动 6.3 数据库工具和技术 6.4 数据库实施指南 6.5 数据库管理关键指标 6.6 数据库管理最佳实践 6.7 总结 |
第七章 数据安全 |
掌握数据安全指导原则、数据安全关键驱动因素、数据安全的主要组成内容、数据安全关键指标、数据安全关键输入和输出、数据安全的主要工具、数据安全技术、数据安全实施指南、数据治理最佳实践。 | 7.1 简介 7.2 数据安全基本活动 7.3 数据安全工具和技术 7.4 数据安全实施指南 7.5 数据安全关键指标 7.6 数据安全管理评价 7.7 数据安全最佳实践 7.8 总结 |
第八章 数据集成与 互操作性 |
掌握数据集成与互操作性指导原则、数据集成与互操作性关键驱动因素、数据集成与互操作性的主要组成内容、数据集成与互操作性关键指标、数据集成与互操作性关键输入和输出、数据集成与互操作性的主要工具、数据集成与互操作性实施指南、数据集成与互操作性评价理论、数据集成与互操作性最佳实践。 | 8.1 简介 8.2 数据成与互操作性基本活动 8.3 数据集成与互操作性工具和技术 8.4 数据集成与互操作性实施指南 8.5 数据集成与互操作性关键指标 8.6 数据集成与互操作性最佳实践 8.7 总结 |
第九章 文档和内容 管理 |
掌握内容管理指导原则、内容管理关键驱动因素、内容管理的主要组成内容、内容管理关键指标、内容管理关键输入和输出、内容管理的主要工具、内容管理实施指南、内容管理评价理论、内容管理最佳实践。 | 9.1 简介 9.2 文档和内容管理基本活动 9.3 内容管理工具和技术 9.4 内容管理实施指南 9.5 内容管理关键指标 9.6 内容管理最佳实践 9.7 总结 |
第十章 参考数据和 主数据 |
掌握参考数据和主数据指导原则、参考数据和主数据关键驱动因素、参考数据和主数据主要组成内容、参考数据和主数据关键指标、参考数据和主数据关键输入和输出、参考数据和主数据的主要工具、参考数据和主数据实施指南、参考数据和主数据评价理论、参考数据和主数据最佳实践。 | 10.1 简介 10.2 参考数据和主数据基本活动 10.3 参考数据和主数据工具和技术 10.4 参考数据和主数据实施指南 10.5 参考数据和主数据关键指标 10.6 参考数据和主数据最佳实践 10.7 总结 |
第十一章 数据仓库 与商务智能 |
掌握数据数据仓库与商务智能指导原则、数据仓库与商务智能关键驱动因素、数据仓库与商务智能的主要组成内容、数据仓库与商务智能关键指标、数据仓库与商务智能关键输入和输出、数据仓库与商务智能的主要工具、数据仓库与商务智能应用中的策略、数据仓库与商务智能评价理论、数据仓库与商务最佳实践。 | 11.1 简介 11.2 数据仓库与商务智能基本活动 11.3 数据仓库与商务智能工具和技术 11.4 数据仓库与商务智能实施指南 11.5 数据仓库与商务智能关键指标 11.6 数据仓库与商务智能最佳实践 11.7 总结 |
第十二章 元数据管理 |
掌握元数据指导原则、元数据关键驱动因素、元数据的主要组成内容、元数据关键指标、元数据关键输入和输出、元数据的主要工具、元数据应用中的策略、元数据评价理论、元数据最佳实践。 | 12.1 简介 12.2 元数据管理基本活动 12.3 元数据管理工具和技术 12.4 元数据实施指南 12.5 元数据管理关键指标 12.6 元数据最佳实践 12.7 总结 |
第十三章 数据质量 |
掌握数据质量指导原则、数据质量关键驱动因素、数据质量的主要组成内容、数据质量关键指标、数据质量关键输入和输出、数据质量的主要工具、数据质量应用中的策略、数据质量评价理论、数据质量最佳实践。 | 13.1 简介 13.2 数据质量基本活动 13.3 数据质量工具和技术 13.4 数据质量实施指南 13.5 数据质量关键指标 13.6 数据质量最佳实践 13.7 总结 |
第十四章 大数据与 数据科学 |
掌握大数据指导原则、大数据与数据科学关键驱动因素、大数据与数据科学的主要组成内容、大数据关键指标、大数据关键输入和输出、大数据的主要工具、大数据与数据科学应用中的策略、大数据评价理论、大数据与数据科学最佳实践。 | 14.1 简介 14.2 大数据与数据科学基本活动 14.3 大数据与数据科学工具和技术 14.4 大数据与数据科学实施指南 14.5 大数据与数据科学关键指标 14.6 大数据与数据科学最佳实践 14.7 总结 |
第十五章 数据管理 能力成熟度 |
掌握数据管理能力指导原则、数据管理能力成熟度评估关键驱动因素、数据管理能力成熟度的主要组成内容、数据管理能力成熟度关键指标、数据管理能力成熟度关键输入和输出、数据管理能力成熟度的主要工具、数据管理能力成熟度应用策略、数据管理能力成熟度评价理论、数据管理能力成熟度最佳实践。 | 15.1 简介 15.2 数据管理能力成熟度基本活动 15.3 数据管理能力成熟度工具和技术 15.4 数据管理能力成熟度实施指南 15.5 数据管理能力成熟度关键指标 15.6 数据管理能力成熟度最佳实践 15.7 总结 |
第十六章 数据管理 组织及角色 |
掌握数据管理组织模式、数据管理成功关键要素、建立数据管理组织、数据管理组织与其他组织间关系、数据管理组织中的角色、数据管理组织最佳实践。 | 16.1 简介 16.2 数据管理组织模式 16.3 数据管理成功关键要素 16.4 建立数据管理组织 16.5 数据管理组织与其他组织间关系 16.6 数据管理组织中的角色 16.7 总结 |
第十七章 数字化转 型下组织 变革管理 |
掌握数字化转型下组织变革管理原则、组织变革管理的八个误区、组织变革管理的八个阶段、组织变革的可持续发展、组织持续获得数据管理价值。 | 17.1 简介 17.2 数字化转型下的组织变革管理原则 17.3 数字化转型下组织变革管理的八个误区 17.4 数字化转型下组织变革管理的八个阶段 17.5 数字化转型下组织变革的可持续发展 17.6 数字化转型下组织持续获得数据管理价值 17.7 数字化转型组织数据管理文化最佳实践 17.8 总结 |
学员交流、考核与返程 |
七、授课专家
王老师 现任某上市公司软件产品部副总兼大数据产品线总经理,国际信息和数据质量协会(IAIDQ)会员,ITSS数据治理标准工作组成员。曾获得数据管理专业认证(CDMP)、数据治理专业认证(DGP)、信息质量专业认证(IQCP)三项国际认证。2010年加入普元,全面主持普元大数据产品的研发、拓展及团队管理工作。十年大型企业信息化架构设计与建设经验,曾任中国人民银行核心平台架构师。主持参与了国家开发银行大数据治理项目、中国人民银行软件开发平台、国家电网云计算平台等大型项目建设。对大数据行业有着深入的研究和洞察,并对企业信息化平台建设,企业云计算及大数据平台建设有着丰富经验。
讲授课程:
《元数据驱动的微服务架构》
《元数据的核心架构》
《数据治理数据架构设计》
《以自动化为核心的自服务大数据治理》
《大数据治理技术核心,可扩展的元数据架构设计》
项目经验:拥有中国工商银行、中国建设银行、中国交通银行、国家开发银行、中国银联、中国移动、中国电信、中国联通、国家电网、神华集团、航天科工、中航工业、海关总署、民政部、阿里云、德邦物流等超过数百家大中型用户。
王老师 沈阳工业大学经管学院 MEM 信息工程硕士,拥有IT行业17年以上、数据治理与管理领域8年从业经验,在央企信息化领域、大型集团企业具有丰富的数字化顶层设计、数据治理及标准化经验,长期致力于石油、电网、军工等行业的数据管理项目的规划与实施,在本领域拥有扎实的理论和实践经验。
DAMA China 国际数据治理协会中国分会会员
石油行业数据治理资深专家
新奥集团 IT赋能群 数据中台数据治理专家
精通TOGAF企业架构、DAMA数据管理知识体系,数据治理、数据架构、主数据、数据质量、数据标准、DCMM和DMM数据管理成熟度等。
具有扎实的企业信息化理论知识和相关资质认证,是业内知名的数据治理专家,作为数据管理能力成熟度模型(DCMM)的首批标准评估师,开展了多个行业领域企业的数据管理能力成熟度评估工作,为企业数字化转型提供信息化综合诊断,提供总体设计和规划演进实施路线图,是业内实战派专家。
目前主要从事数据治理、数据质量、主数据管理、元数据管理、数据架构等方面咨询及解决方案工作。石油、电网、军工等多个行业深入数据治理与管理的项目规划与交付。
主要项目经验包括(详见项目案例):
某大型石油集团数据仓库及数据治理项目,任项目经理;
某大型石油集团数据标准及管控体系建设项目,任项目经理;
某大型物资集采装备公司数据治理规划项目,任项目经理;
某大型电网公司数据资产管理体系建设项目,任咨询经理。负责企业级数据架构现状调研和蓝图规划,规划企业级数据架构治理体系,制定数据架构设计规范,负责面向信息化建设项目推行数据架构治理的管理机制和技术规范等;
某大型国石油企业主数据管理项目,任项目专家。制定主数据标准、主数据质量评估和技术实施方案等;
某大型能源企业数字化转型顶层设计及指标体系规划项目,任项目经理;
某军工企业信息代码标准化总体设计及信息代码质量体系评估项目,任项目专家;
某能源行业数据治理总体规划、数据中台规划、数据治理平台规划设计、数据治理及数据质量示险建设项目,任高级经理。